深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
1021	2025-09-09	MASSISTANT: A deep learning model for De Novo molecular structure prediction from EI‑MS spectra via SELFIES encoding 2025-Sep-27, Journal of chromatography. A DOI:10.1016/j.chroma.2025.466216 PMID:40706264	研究论文	提出一种基于SELFIES编码的深度学习模型MASSISTANT，用于从EI-MS谱图中直接预测分子结构	首次使用SELFIES编码结合深度学习实现从低分辨率EI-MS谱图的从头分子结构预测	模型性能对数据集质量敏感，在完整NIST数据集上准确率仅约10%	开发自动解析EI-MS谱图的工具，减少对专家知识的依赖	分子量低于600 Da的挥发性及半挥发性化合物	机器学习	NA	GC-EI-MS，SELFIES编码	深度神经网络	质谱数据	NIST数据集18万条谱图，特定化学子集准确率可达54%
1022	2025-09-09	Deep Learning Modeling to Differentiate Multiple Sclerosis From MOG Antibody-Associated Disease 2025-Sep-23, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000214075 PMID:40906978	研究论文	本研究开发并验证了一种结合临床/MRI算法和深度学习模型的诊断工具，用于区分多发性硬化（MS）与MOG抗体相关疾病（MOGAD）	首次结合临床/MRI算法与深度学习模型（ResNet-10 CNN），并利用概率注意力图（PAMs）识别关键鉴别脑区，显著提升诊断准确率至86%	回顾性研究设计，缺乏前瞻性验证；样本来源限于19个中心，可能影响模型泛化能力	区分多发性硬化（MS）与MOG抗体相关疾病（MOGAD）以提高诊断准确性	成人非急性MS和MOGAD患者的脑部MRI扫描数据	医学影像分析	神经免疫性疾病	MRI成像（T2-FLAIR和T1加权序列）	ResNet-10 CNN（卷积神经网络）	医学影像（脑部MRI扫描）	406例MRI扫描（218例RRMS，188例MOGAD），分为265例训练/测试集和141例独立验证集
1023	2025-09-09	Label-free chimeric antigen receptor T-cell expression analysis using neural networks and statistical distribution modeling 2025-Sep-16, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2025.152454 PMID:40795576	研究论文	本研究提出一种基于明场显微镜和深度学习的无标记方法，用于预测CAR-T细胞的CAR表达率	首次成功实现T细胞CAR表达率的无标记预测，通过卷积神经网络结合高斯拟合的分类分数分布分析	NA	开发无标记的CAR表达水平监测方法，以优化CAR-T细胞疗法的疗效和安全性	CAR-T细胞	数字病理学	血液恶性肿瘤	明场显微镜，深度学习	CNN	图像	4名供体的样本
1024	2025-09-09	Selection of representative electrodes for stereoscopic visual comfort studies in conjunction with brain mechanism analysis 2025-Sep-15, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149800 PMID:40544932	研究论文	本研究通过立体视觉脑机制分析，识别用于评估立体视觉舒适度的代表性EEG电极	首次通过脑机制分析为立体视觉舒适度研究中的电极选择提供科学依据，并确定F7、Cz、P4和O2四个代表性电极	样本量较小（15个电极），分类准确率提升有限（2-4%）且统计不显著	寻找评估立体视觉舒适度的代表性EEG电极，并为便携式检测设备开发提供支持	与立体视觉相关的脑区EEG活动	脑机接口	NA	EEG、事件相关电位、功率谱分析	机器学习和深度学习模型	脑电信号	15个电极的EEG数据
1025	2025-09-09	AMPGP: Discovering Highly Effective Antimicrobial Peptides via Deep Learning 2025-Sep-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00647 PMID:40825014	研究论文	提出一种名为AMPGP的深度学习模型，用于生成和预测高效抗菌肽	结合注意力机制的seqGAN框架生成高质量抗菌肽，并采用四通道特征预测模型克服单一信息源限制	NA	通过深度学习加速抗菌肽的发现与设计，应对抗生素耐药性问题	抗菌肽（AMPs）	自然语言处理	NA	深度学习	seqGAN（含注意力机制）	序列数据	独立测试集验证，最终筛选10种候选抗菌肽
1026	2025-09-09	Uncertainty-Aware Deep Learning and Structural Feature Analysis for Reliable Nephrotoxicity Prediction 2025-Sep-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01532 PMID:40827867	研究论文	本研究构建了最大的公开肾毒性化合物数据库，并开发了结合不确定性量化的深度学习模型以提升预测可靠性	采用不确定性量化方法定义模型适用范围并量化预测置信度，同时结合多尺度特征分析提供可操作的药物设计见解	NA	提高肾毒性预测的精确度和可靠性，支持更安全的药物开发	1831种高质量肾毒性相关化合物	机器学习	肾毒性	图神经网络，ChemoPy2D描述符，不确定性量化	Directed Message Passing Neural Network	分子图数据，化学描述符	1831种化合物
1027	2025-09-09	PepBAN: A Deep Learning Framework with Bilinear Attention and Adversarial Learning for Peptide-Protein Interaction Prediction 2025-Sep-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01713 PMID:40854162	研究论文	提出一种结合双线性注意力和对抗学习的深度学习框架PepBAN，用于预测肽-蛋白质相互作用	采用蛋白质语言模型ESM-2表征蛋白质，结合条件域对抗学习增强泛化能力，并通过双线性注意力网络识别关键残基	NA	开发计算模型以准确预测肽-蛋白质相互作用，助力肽类疗法和疫苗研发	肽-蛋白质复合物，特别是环肽与蛋白质的相互作用	机器学习	NA	深度学习，条件域对抗学习，原子分辨率分子图处理	BAN (双线性注意力网络), ESM-2, 图基础模型	序列数据，结构数据（有限），分子图数据	NA
1028	2025-09-09	Enhancing Toxicity Prediction of Synthetic Chemicals via Novel SMILES Fragmentation and Interpretable Deep Learning 2025-Sep-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01042 PMID:40856693	研究论文	提出一种结合SMILES片段化策略与一维卷积神经网络的深度学习框架，用于合成化学品的毒性预测和结构警报识别	开发了四种新型SMILES片段化方法并集成可解释深度学习模型，在毒性预测中实现了优越性能	NA	提高合成化学品的毒性预测准确性和模型可解释性	合成化学品	自然语言处理	NA	SMILES fragmentation, deep learning	1D CNN	化学结构文本数据(SMILES)	581537个PubChem化合物用于训练，28160个合成化学品用于预测
1029	2025-09-09	MultiSAAl: Sequence-Informed Antibody-Antigen Interaction Prediction Using Multiscale Deep Learning 2025-Sep-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01511 PMID:40874985	研究论文	提出MultiSAAI框架，利用多尺度深度学习从序列信息预测抗体-抗原相互作用	首次明确考虑抗体重链和轻链在抗原结合中的不同作用，整合语言模型嵌入、理化特性、几何约束和残基可替换性等多尺度特征	NA	开发准确的序列基础方法预测抗体-抗原相互作用，以降低实验成本并促进治疗性抗体发现	抗体和抗原的相互作用	自然语言处理	传染病（如SARS-CoV-2）	深度学习，语言模型	多尺度网络架构	序列数据	通用抗体-抗原数据集和SARS-CoV-2数据集（具体样本数未提供）
1030	2025-09-09	Optimized node-level capsule graph neural network for subject-independent emotion recognition from EEG signals 2025-Sep-08, Electromagnetic biology and medicine IF:1.6Q4 DOI:10.1080/15368378.2025.2541792 PMID:40916628	研究论文	提出一种基于PFOA优化的节点级胶囊图神经网络，用于从EEG信号中进行主体无关的情绪识别	使用Piranha Foraging Optimization Algorithm (PFOA) 优化节点级胶囊图神经网络参数，提高情绪识别精度	NA	开发高精度、强鲁棒性的主体无关情绪识别模型	EEG信号和情绪状态（平静、快乐、悲伤、愤怒）	机器学习	NA	Vibrational Mode Decomposition, 深度学习	Node-Level Capsule Graph Neural Network (NCGNN)	EEG信号	NA
1031	2025-09-09	Artificial Intelligence in Contact Dermatitis: Current and Future Perspectives 2025-Sep-08, Dermatitis : contact, atopic, occupational, drug IF:4.0Q1 DOI:10.1177/17103568251376647 PMID:40916798	综述	本文回顾了人工智能在接触性皮炎诊断与管理中的当前应用与未来前景	展示了AI在斑贴试验图像分析、生物标志物发现和患者风险分析中的创新应用，诊断准确率高达99.5%	存在数据集偏差、缺乏标准化以及模型可解释性不足等限制	探索人工智能如何提升接触性皮炎诊断的准确性、效率及可及性	接触性皮炎患者，包括过敏性接触性皮炎和刺激性接触性皮炎	数字病理学	接触性皮炎	机器学习，深度学习	CNN，ML算法	图像，转录组数据，临床数据	基于12项原始研究，具体样本量未明确说明
1032	2025-09-09	Prognostic Utility of a Deep Learning Radiomics Nomogram Integrating Ultrasound and Multi-Sequence MRI in Triple-Negative Breast Cancer Treated with Neoadjuvant Chemotherapy 2025-Sep-08, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70054 PMID:40920176	研究论文	本研究开发并验证了一种结合超声和多序列MRI的深度学习放射组学列线图模型，用于预测接受新辅助化疗的三阴性乳腺癌患者的预后	首次将超声和多序列MRI的深度学习放射组学特征与临床参数整合，构建预后预测模型，并在多中心数据中验证其性能	回顾性研究设计，样本量较小（103例），外部验证仅包含31例病例	评估深度学习放射组学列线图在预测三阴性乳腺癌患者新辅助化疗后生存、复发和转移方面的预后性能	经组织病理学确诊的三阴性乳腺癌患者	数字病理	乳腺癌	深度学习放射组学，超声成像，多序列磁共振成像	DLRN（深度学习放射组学列线图）	医学影像（二维超声和三维MRI图像）	103例患者（72例训练集，31例验证集）
1033	2025-09-09	A Deep Learning-Based Fully Automated Cardiac MRI Segmentation Approach for Tetralogy of Fallot Patients 2025-Sep-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70113 PMID:40916364	研究论文	本研究评估了基于深度学习的全自动心脏MRI分割方法在法洛四联症患者中的应用效果	采用MultiResUNet模型在混合数据集（包含法洛四联症和非法洛四联症病例）上训练，实现了最优的心脏结构分割性能	研究为回顾性设计，外部验证样本量较小（n=12）	开发并验证用于法洛四联症患者心脏MRI自动分割的深度学习模型	427名心脏疾病患者（122名法洛四联症患者，305名非法洛四联症患者）	医学影像分析	心血管疾病	心脏MRI，稳态自由进动电影序列	U-Net, Deep U-Net, MultiResUNet	医学影像	427名患者（395名用于训练/验证，32名用于内部测试，12名用于外部验证）
1034	2025-09-09	Automated detection of lameness in dairy cattle through computer vision analysis of back shape characteristics 2025-Sep-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111038 PMID:40915069	研究论文	通过计算机视觉分析奶牛背部形状特征实现奶牛跛行的自动检测	首次采用关键点检测算法对奶牛背部进行分区（颅部、中部、尾部）并提取曲率特征，结合深度学习模型实现高精度跛行分类	研究仅针对荷斯坦-弗里斯兰品种，未验证在其他品种的普适性；依赖单视角摄像头可能受拍摄角度限制	开发基于计算机视觉的客观方法替代主观视觉评估，提升奶牛跛行检测准确性和早期识别能力	260头荷斯坦-弗里斯兰奶牛	计算机视觉	动物疾病（奶牛跛行）	关键点检测算法、曲率分析、深度学习	深度学习模型（未指定具体类型）	图像（侧视摄像头采集）	260头奶牛
1035	2025-09-09	Shifted windowing vision transformer-based skin cancer classification via transfer learning 2025-Sep-06, Clinics (Sao Paulo, Brazil) DOI:10.1016/j.clinsp.2025.100724 PMID:40915182	研究论文	提出一种基于移位窗口视觉Transformer和迁移学习的皮肤癌分类方法	利用视觉Transformer的注意力机制捕捉图像全局关系，克服CNN局部感受野限制	训练数据有限且不平衡，模型跨域适应性和鲁棒性尚未完全解决	皮肤癌早期识别与分类	皮肤病变图像	计算机视觉	皮肤癌	迁移学习	Vision Transformer (ViT)	图像	NA
1036	2025-09-09	A transfer learning-enhanced deep learning framework for efficient and interpretable soil heavy metal pollution prediction under data scarcity and spatial heterogeneity 2025-Sep-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.138926 PMID:40516468	研究论文	提出一种结合迁移学习和深度学习的框架，用于在数据稀缺和空间异质性条件下高效且可解释地预测土壤重金属污染	集成迁移学习的CNN模型（TL-CNN），结合多源异构数据与GradSHAP可解释性模块，显著提升预测精度并减少对实地采样的依赖	NA	大规模土壤重金属污染风险高效预测与可解释性分析	土壤重金属污染数据（包括遥感、网络和实地采样数据集）	机器学习	NA	迁移学习（TL）、深度学习（DL）、卷积神经网络（CNN）、GradSHAP可解释性分析	CNN	遥感数据、网络数据、实地采样数据（含空间区域化特征）	以韶关市2018-2022年数据为例，具体样本量未明确说明
1037	2025-09-09	Enhancing cybersecurity in virtual power plants by detecting network based cyber attacks using an unsupervised autoencoder approach 2025-Sep-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01863-w PMID:40913053	研究论文	提出一种基于无监督自编码器的深度学习方法来检测虚拟电厂中的虚假数据注入攻击	首次将无监督自编码器应用于虚拟电厂网络安全领域，专注于检测虚假数据注入攻击	方法仅在模拟测试系统（9总线和IEEE-39总线）中进行验证，未涉及真实环境数据	增强物联网能源系统的网络安全，特别是保护虚拟电厂免受网络攻击	虚拟电厂（VPP）系统及其网络数据	网络安全	NA	无监督深度学习，自编码器（AE）	Autoencoder	时间序列数据	1000天的时间序列数据，基于MATLAB Simulink模拟的测试系统
1038	2025-09-09	Accelerated Patient-specific Non-Cartesian MRI Reconstruction using Implicit Neural Representations 2025-Sep-05, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.08.059 PMID:40915433	研究论文	本研究开发了一种基于隐式神经表示的新型生成对抗训练方法（k-GINR），用于加速非笛卡尔MRI重建	提出结合对抗训练的两阶段隐式神经表示网络，能够直接处理连续k空间信号并兼容任意采样模式	NA	开发加速MRI采集的图像重建方法，适用于图像引导治疗应用	患者肝脏MRI数据	医学影像重建	肝脏疾病	MRI，非笛卡尔采样	INR，GAN，CNN	k空间数据，图像	118例前瞻性采集的StarVIBE T1加权肝脏扫描及对应线圈数据
1039	2025-09-09	[Generative artificial intelligence ChatGPT in clinical nutrition - Advances and challenges] 2025-Sep-04, Nutricion hospitalaria IF:1.2Q4 DOI:10.20960/nh.05692 PMID:40066572	评论	本文探讨了生成式人工智能ChatGPT在临床营养学中的进展与挑战	评估ChatGPT在营养评估、诊断和个性化干预中的创新应用潜力	缺乏非语言线索解读能力，多医疗条件整合不足，膳食计划存在热量偏差和微量营养素失衡	分析AI工具在临床营养管理中的优化作用与实施要求	临床营养患者与营养管理流程	自然语言处理	NA	机器学习与深度学习	生成式AI（ChatGPT）	临床记录文本数据	NA
1040	2025-09-09	A systematic review of contactless respiratory rate measurement using RGB cameras 2025-Sep-04, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adfc24 PMID:40816317	系统综述	本文系统综述了使用RGB摄像头进行无接触呼吸率测量的最新进展、数据集评估及技术挑战	全面比较RGB摄像头与其他传感器模态的性能，并指出未来需开发新方法以提升无接触呼吸率测量的准确性和可靠性	现有研究对真实世界数据集不足且对环境变化敏感，在低光照、高运动或复杂无控制环境下性能显著下降	探索无接触呼吸率测量技术，以改善患者护理并扩展医疗监测应用场景	呼吸率（RR）测量技术及相关数据集	计算机视觉	NA	信号预处理、滤波和基于特征的技术	深度学习和混合模型	视频（RGB图像序列）	基于现有公共数据集，涉及不同光照、肤色和运动条件下的多样性样本